PDF 转 JSON

将可选择的文本、页面几何信息和文本位置导出为 JSON。

选择 PDF 文件

将文件拖到此处，或使用下方按钮选择文件。

上限为 25 MB 总计 · 文件保留在您的设备上

目录章节: 10

可以从 PDF 中提取哪些内容到 JSON？

将 PDF 的文本层转换为 JSON 文件，便于检查或进一步处理。导出内容记录所选页面、页面尺寸，以及 PDF 阅读器返回的文本项，包括它们的位置和变换信息。

PDF 存储的是页面显示指令。本工具不会推断发票字段、重建表格或识别原始标题层级。扫描页面需要先进行 OCR 文字识别，其中的文字才能出现在导出结果中。

PDF 转 JSON 功能

页面选择

导出指定页面范围，同时保留原始页码。处理较长文档前，先检查小样本会更方便。

带坐标的文本

将文本项与页面几何信息和定位信息一同保留。请参照原始 PDF 解读坐标，并核实各项在视觉上的关系。

机器可读的输出

下载有效的 JSON，用于您自己的解析器或审核流程。导出的文本会作为数据进行转义；工具不会执行文档内容。

本地处理

在浏览器中读取所选 PDF。文档不会发送到转换服务器，原始文件也不会被修改。

如何将 PDF 文本转换为 JSON？

  1. 选择一个未加密且能在阅读器中选择文本的 PDF。
  2. 输入 1, 3-5 等页码，或将“页面”留空，以包含所有符合限制的页面。
  3. 开始转换并下载 JSON 文件。
  4. 在 JSON 查看器或编辑器中打开文件，将熟悉的短语与对应 PDF 页面进行比较。
  5. 将数据用于其他应用前，请检查坐标、阅读顺序以及是否存在空白页面。

选择 PDF

选择包含可选择文本的 PDF。

点击截图可放大查看。
PDF 转 JSON：选择带有文本层的示例 PDF。

选择页面

设置页面范围并查看提取限制。

点击截图可放大查看。
PDF 转 JSON：页面选择与提取设置。

下载 JSON

保存 JSON，并与源页面进行比较。

点击截图可放大查看。
PDF 转 JSON：下载已完成的结构化文本导出文件。

截图展示了使用不含敏感信息的示例文件操作本工具箱的过程。您的文件名、页数和设置可能不同。

为什么将 PDF 文本导出为 JSON？

当文档工作流程同时需要文本和位置信息时，JSON 很有用。开发者可以检查提取质量、查找重复标签，或准备独立的映射流程。请明确定义映射规则：附近的金额不会自动成为发票总额，提取顺序也不保证与人的阅读顺序一致。

哪些人可以使用此导出功能？

文档处理开发者

构建解析器之前检查文本层，并保留页面引用以便调试。

数据审核团队

采纳提取规则之前，将抽样值与源页面进行比较。

学生与研究人员

了解固定布局文档中的可见文本是如何表示的。

设置与输出检查

设置预期结果
输入单个 PDF，最大 25 MiB；源文档最多 500 页。
选择范围最多选择 200 页；每页最多 20,000 个文本项，每次任务最多 100,000 项及 200 万个文本字符。
输出包含提取文本和几何信息的 JSON；最大 64 MiB。
扫描页面不执行自动 OCR、图片导出或文档字段识别。

构建解析器之前先检查小样本

对于双栏账单，请先导出一页。找到熟悉的标签，并将其位置与打印出的数值进行比较。如果两栏的文本项交错出现，应在您自己的代码中依据坐标分组，不要假设数组已经是整理好的表格。

PDF 转 JSON 问题排查

情况检查事项
找不到可选择的文本对扫描页面运行 OCR，然后导出生成的 PDF 文本层。
文本顺序不符合预期对照页面与文本位置；提取顺序并不等于阅读顺序。
选择范围过大而被拒绝减少所选页面。内容密集的页面可能先达到文本项上限，再达到页数上限。

常见问题

PDF 转 JSON 会识别发票字段吗？

不会。结果包含文本项和几何信息。字段名称、字段关系和业务校验需要独立的映射流程。

是否包含图片和表格？

不会导出图片。可以提取表格中的文字，但不会重建行列关系。

可以用此 JSON 重建原始 PDF 吗？

此导出格式用于检查，并不是 PDF 的完整表示。请保留原始 PDF，以保存外观、图形、字体和交互功能。

相关工具

JSON 转 PDF, PDF 转 XML, PDF 文字识别.